JP5801252B2 - イベント抽出装置及び方法及びプログラム - Google Patents

Description

本発明は、イベント抽出装置及び方法及びプログラムに係り、特に、Web上の文書を入力として、行動に役立つ情報の配信に利用するための、未来に起きる行事や催し物等のイベントを推定するためのイベント抽出装置及び方法及びプログラムに関する。

Web上の文書からイベント情報を抽出するために、タグを定義し、タグについてのイベント情報を収集する方法がある（例えば、非特許文献１参照）。当該方法では、イベントを抽出することができるが、抽出されたイベントは必ずしも情報配信の対象としてふさわしいわけではない。例えば、結婚式のようにある個人にとっては大事であっても他の人にとっては意味をもたないイベントもある。文書からある対象に対する評価情報を抽出する方法も存在する（例えば、非特許文献２参照）。これらの手法を組み合わせることで、イベントに対する人々の期待度合いを推定することができる。イベント情報を抽出した後に、そのイベントに対する評価情報を抽出することで、イベントに対する期待度合いを知ることができる。

R斉藤隆太，石野亜耶，難波英嗣，竹澤寿幸，"新聞記事とWebからのイベント情報の自動抽出"，電子情報通信学会第２０回Webインテリジェンスとインタラクション研究会，2011 乾 孝司，奥村 学，"テキストを対象とした評価情報の分析に関する研究動向",自然言語処理， Vol.13, No.3, pp.201-241

しかし、上記の非特許文献１と非特許文献２の技術を組み合わせても時間や場所が考慮されない、という問題があった。

本発明は上記の点に鑑みなされたもので、時間と場所が同じ評判情報をイベント情報として抽出することが可能なイベント抽出装置及び方法及びプログラムを提供することを目的とする。

上記の課題を解決するため、本発明（請求項１）は、Web上の文書を入力として未来の期待されているイベントを抽出するイベント抽出装置であって、
入力された文書データから、イベント名、時間、地域、該イベント名に対する肯定的な評価または否定的な評価を示す評価極性の４つ組の評判情報を抽出し、評判情報記憶手段に格納する評判情報抽出手段と、
前記評判情報記憶手段から、時間と場所が一致する評判情報をまとめ、該評判情報の評価極性が肯定的な評価のものをイベントとして出力するイベント抽出手段と、
を有し、
前記評判情報抽出手段は、
前記評判情報が抽出された文、または、該文の前後文の段落から時刻表現と地理表現を抽出する時刻・地理表現抽出手段を含む。

また、本発明（請求項２）は、前記イベント抽出手段において、
前記評判情報の時間表現について未来の時間の属性を有するものを抽出し、時間、場所が類似、または一致する情報をクラスタリングし、該評判情報の評価極性が肯定的な評価のものの割合が、所定の閾値以上のものを期待されているイベントとして抽出する手段を含む。

また、本発明（請求項３）は、前記時刻・地理表現抽出手段において、
前記文に前記時刻表現に関する記述が存在しない場合には、イベント名と場所の組の出現頻度の時間変化により時間属性を補完する手段を含む。

また、本発明（請求項４）は、前記時刻・地理表現抽出手段において、
前記文に前記地理表現に関する記述が存在しない場合に、前記時刻表現が取得されていれば、地理表現を前記評判情報に含めない。

本発明により、Web上の文書からイベントを抽出する場面において、未来の期待されているイベントを抽出することができる。また、イベントの抽出においてイベントの名称の表記にゆれがある場合であっても、イベントを抽出することが可能となるため、検出可能なイベントを増やすことができる。

本発明の第１の実施の形態におけるイベント抽出装置の構成図である。 本発明の第１の実施の形態における概要動作のフローチャートである。 本発明の第１の実施の形態における抽出された評判情報の例である。 本発明の第１の実施の形態におけるイベントの出力例である。 本発明の第１の実施の形態における評判情報抽出処理部の詳細なフローチャートである。 本発明の第１の実施の形態における評判情報抽出処理部の出力例である。 本発明の第１の実施の形態におけるイベント抽出処理部の詳細なフローチャートである。 本発明の第２の実施の形態における評判情報抽出処理部の詳細なフローチャート（時間表現がない場合）である。 本発明の第３の実施の形態における評判情報抽出処理部の詳細なフローチャート（地域表現がない場合）である。

以下、図面と共に本発明の実施の形態を説明する。

［第１の実施の形態］
従来の技術では、イベント抽出によって抽出されたイベントのみを対象として、さらにその中から評判がよいものを選択することになる。この際に、イベント抽出部で抽出されたイベントの名称と、評判情報抽出において利用される名称が一定でなければ処理が行えない。一般に、イベントの名称の表記にはゆれがある場合があるので、文書中に出現している潜在的なイベントのうち、抽出できるものの割合が小さくなる可能性がある。そこで、本実施の形態では、Web上の文書に対し、時間、場所に関する表現を含めた評判情報の抽出を適用する。その後、抽出された評判情報の位置、場所を用いて、位置、場所が一致している評判情報をイベントとして抽出する。評判情報抽出結果に時間、場所情報を付与し、時間、場所の一致によってイベントを抽出することによって、既存手法よりより多くのイベントを抽出することができる。

図１は、本発明の第１の実施の形態におけるイベント抽出装置の構成を示す。

本実施の形態におけるイベント抽出装置の構成は、データ入力部２１、評判情報抽出処理部２２、評判情報記憶部２３、イベント抽出処理部２４、イベント情報出力部２５から構成される。データ入力部２１は、第１の実施の形態と同様に、外部からWeb上の文書データを取得する。評判情報抽出処理部２２は、文書データを取得し、評判情報の集合を抽出し、評判情報記憶部２３に出力する。イベント抽出処理部２４は、評判情報記憶部２３に格納されている評判情報データを読み出して、人々の期待が高いイベントを推定する。イベント情報出力部２５は、推定されたイベントを出力する。

次に上記の構成におけるイベント抽出装置の動作を説明する。

図２は、本発明の第１の実施の形態における概要動作のフローチャートである。

ステップ２１０） データ入力部２１が外部からデータを取得する。外部から渡されるデータは、Web上の文書である。

ステップ２２０） 評判情報抽出処理部２２において、評判情報抽出処理を行う。処理の詳細については後述する。この処理の結果は図３に示すように、対象・時間・地域・極性（極性とは、対象に対するポジティブまたはネガティブな評価のことをさす）の４つの組を得る。出力された４つの組は評判情報記憶部２３に記録する。

ステップ２３０） イベント抽出処理部２４は、評判情報記憶部２３に記憶された４つ組を読み込み、イベントを抽出する。処理の詳細については後述する。

ステップ２４０） イベント情報出力部２４は、ステップ２３０で抽出されたイベントを出力する。図４にイベントの出力例を示す。イベントは、名称（複数の呼称が使われる場合もある）、イベントの開催時期、イベントの開催場所の３つ組みで表現される。

上記のステップ２２０の処理を詳細に示す。

図５は、本発明の第１の実施の形態における評判情報抽出処理部の詳細なフローチャートである。

ステップ２２１） 評判情報抽出処理部２２は、Web文書から評判情報を抽出する。この処理は、非特許文献２にある既存手法を用いるものとする。既存手法で得られた評判情報は、図３に示すような、対象とその評価極性(P: ポジティブ, N: ネガティブ)の組となる。ここで、評価極性は対象に対して肯定的、積極的であるならP、否定的、消極的であるならNとする。

ステップ２２２） 評判情報が複数抽出されたなら、次に、抽出された各評判情報について、それが結びつく時刻、地理表現を探す。評判情報が抽出された文をSとする。Sの前後M文もしくはSの抽出された段落から、時刻表現、地理表現を探す。時刻表現とは、時刻を直接記述したもの(3月4日、18時、2012年4月12日、等)、相対的な時間の指定(3時間前、明日、明後日、来月、等)のことを指す。相対的な時刻表現は、特開2011-086152号公報にあるような手法で絶対時刻に変換できる。地理表現とは、地名(神奈川県、神奈川県鎌倉市)、ランドマーク名(東京駅、東京スカイツリー)等のことである。地理表現の抽出には、例えば、文献"平野徹,松尾義博,菊井玄一郎, 「地理的距離と有名度を用いた地名の曖昧性解消」, 情報処理学会全国大会講演論文集, 2008."にある手法を用いる。

ステップ２２３）地理表現と時刻表現の両方ともが見つかったならば、ステップ２２４に移行し、見つからない場合は、全ての評判情報についての処理が終了するまでステップ２２２以降の処理を繰り返す。

ステップ２２４） その時間、場所とともに評判情報を評判情報記憶部２３に格納する。評判情報記憶部２３に格納される時間、場所表現を含む評判情報の例を図６に示す。

ステップ２２１で抽出されたすべての評判情報について処理が終了したら、処理を終了する。

次に、図２のステップ２３０のイベント抽出処理について詳細に説明する。

ステップ２３１） イベント抽出処理部２４は、評判情報記憶部２３に記憶されている評判情報のうち、未来の時間を属性として持つものを取り出す。そして、時間、場所が類似、もしくは一致する情報を、それぞれクラスタとしてまとめる。評判情報間の類似度を設定したうえで各種既存のクラスタリング手法を用いることでクラスタとしてまとめることができる。評判情報間の類似度の設定には、位置、時間の情報を使う。類似度は、例えば2つのイベントの時間の差、位置の差をユークリッド距離として得ることができる。

ステップ２３２）以下の処理をまとめたクラスタ毎に取り出し、以下の処理を行う。

ステップ２３３）取り出したクラスタに含まれる評判表現のポジティブなものの割合を調べる。ポジティブなものの割合が所定の閾値以上であれば、ステップ２３４に移行する。

ステップ２３４） それを期待されているイベントとして取り出す。全てのクラスタについて処理が終了すれば、期待されているイベントをすべて出力し、処理を終了する。

上記のステップ２３１の処理を行うことにより、名称の表記に揺れがあっても、イベントが行われる場所、時間は一致することに着目し、同一場所・時間で評価極性がＰであるものをイベントの候補としてまとめることで、精度を失うことなく、多数の期待されているイベントを抽出することが可能となる。

［第２の実施の形態］
上記の第１の実施の形態において、図５のフローチャートのステップ２２１からステップ２２４の処理では、評判情報抽出で取得される評判情報の近くに場所および時間に関する記述が存在する場合にそれを抽出した。この手法では場所と時間に関する記述が存在しない場合は抽出できる項目数が少なくなる可能性がある。

そこで、本実施の形態では、時間に関する記述が存在しない場合に、入力文書の日付情報を利用して時間・場所を含んだ評判情報を取り出す、図５の代替となる処理を図８に示す。

ステップ４１０）評判情報処理部２２は、評判情報を抽出する。これはステップ２２１と同じ処理とする。

ステップ４２０） 次に、評判情報近辺の地理表現を検索する。

ステップ４３０） 地理表現が取得できたら、ステップ４４０に移行する。

ステップ４４０） 文書集合中で同じ対象、地理表現が出現しているものを調べ、出現している文書が作成された時刻を得る。Web上の文書には作成された時刻が付与されているものとする。Web上の文書に付与されている作成時刻は、過去から処理が行われた現在までのいずれかの時刻が付与されているものとする。xを過去〜現在までのいずれかの時刻、f(x)を生成時刻がx以前である文書の個数としたときに、
f(現在) - f(現在 - δ)
を計算する。δはある定数であり、１日、3日、10日などである。計算した値がある閾値より大きければ、その対象はすぐ近くの時間に関連するものであるとして、得られた場所と評判の組に、すぐ近くの未来の時間（翌日等）を付与して、評判情報記憶部２３に記憶する。
上記のステップ４４０により、時間・場所・イベントの三つ組を検出するときに、時刻に関する表現が存在しない場合でも、場所・イベントの組の出現頻度の時間変化を利用することで時間属性を補完し、多くの三つ組みを得ることが可能となる。

［第３の実施の形態］
第２の実施の形態と同様のケースとして、図５のフローチャートのステップ２２１〜２２４の処理において、本実施の形態では、地域に関する表現が取得できなかったときに時間・場所を含んだ評判情報を取り出す場合について説明する。

図９は、本発明の第３の実施の形態における評判情報抽出処理部の詳細なフローチャートである。

ステップ５１０） 評判情報抽出処理部２２で評判情報を抽出する。これはステップ２２１と同じ処理とする。

ステップ５２０） 次に、評判情報近辺の時間表現、地理表現を検索する。

ステップ５３０） 時間表現が取得できたら、地理表現が取得できなかった場合でもステップ５４０に移行する。

ステップ５４０） イベント、時間情報、存在すれば場所情報も評判情報記憶部２３に記憶する。記憶されるデータは（時間、イベント、場所（欠損の場合あり））の三つ組となる。

ステップ５５０） すべての評判情報について処理が終了後、同じイベント名をもつ評判情報をすべてグループにまとめる。
ステップ５６０） まとめた評判情報のグループにおいて出現する地名が一種類のみであったとき、その地名はそのイベントに固有の地名であるとして、そのグループに属するすべての評判情報の地域に固有の地名を付与して、評判情報記憶部２３に記憶する。もし固有の地名が存在しなかった場合は、地名をもたない三つ組を評判情報記憶部２３から削除する。

上記のステップ５５０の処理により、時間・場所・イベントの三つ組を検出するときに、場所に関する表現が存在しなかった場合でも、イベント名が単一の場所に結びつく場合に場所の属性を補完し、多くの三つ組を得ることが可能となる。

なお、本発明は、上記の図１に示すイベント抽出装置の各構成要素の動作をプログラムとして構築し、イベント抽出装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１１ データ入力部
１２ イベント抽出処理部
１３ イベント記憶部
１４ 評判情報抽出処理部
１５ イベント情報出力部
２１ データ入力部
２２ 評判情報抽出処理部
２３ 評判情報記憶部
２４ イベント抽出処理部
２５ イベント情報出力部

Claims (8)

1. Web上の文書を入力として未来の期待されているイベントを抽出するイベント抽出装置であって、
   入力された文書データから、対象、時間、地域、該対象に対する肯定的な評価または否定的な評価を示す評価極性の４つ組の評判情報を抽出し、評判情報記憶手段に格納する評判情報抽出手段と、
   前記評判情報記憶手段から、時間と場所が一致する評判情報をまとめ、該評判情報の評価極性が肯定的な評価のものをイベントとして出力するイベント抽出手段と、
   を有し、
   前記評判情報抽出手段は、
   前記評判情報が抽出された文、または、該文の前後文の段落から時刻表現と地理表現を抽出する時刻・地理表現抽出手段を含む
   ことを特徴とするイベント抽出装置。
2. 前記イベント抽出手段は、
   前記評判情報の時間表現について未来の時間の属性を有するものを抽出し、時間、場所が類似、または一致する情報をクラスタリングし、該評判情報の評価極性が肯定的な評価のものの割合が、所定の閾値以上のものを期待されているイベントとして抽出する手段を含む
   請求項１記載のイベント抽出装置。
3. 前記時刻・地理表現抽出手段は、
   前記文に前記時刻表現に関する記述が存在しない場合には、イベント名と場所の組の出現頻度の時間変化により時間属性を補完する手段を含む
   請求項１記載のイベント抽出装置。
4. 前記時刻・地理表現抽出手段は、
   前記文に前記地理表現に関する記述が存在しない場合に、前記時刻表現が取得されていれば、地理表現を前記評判情報に含めない
   請求項３記載のイベント抽出装置。
5. Web上の文書を入力として未来の期待されているイベントを抽出するイベント抽出装置が実施するイベント抽出方法であって、
   前記イベント抽出装置が、入力された文書データから、対象、時間、地域、該対象に対する肯定的な評価または否定的な評価を示す評価極性の４つ組の評判情報を抽出し、評判情報記憶手段に格納する評判情報抽出ステップと、
   前記イベント抽出装置が、前記評判情報記憶手段から、時間と場所が一致する評判情報をまとめ、該評判情報の評価極性が肯定的な評価のものをイベントとして出力するイベント抽出ステップと、
   を行い、
   前記評判情報抽出ステップにおいて、
   前記イベント抽出装置が、前記評判情報が抽出された文、または、該文の前後文の段落から時刻表現と地理表現を抽出する時刻・地理表現抽出ステップを含む
   ことを特徴とするイベント抽出方法。
6. 前記イベント抽出ステップにおいて、
   前記イベント抽出装置が、前記評判情報の時間表現について未来の時間の属性を有するものを抽出し、時間、場所が類似、または一致する情報をクラスタリングし、該評判情報の評価極性が肯定的な評価のものの割合が、所定の閾値以上のものを期待されているイベントとして抽出する
   請求項５記載のイベント抽出方法。
7. 前記時刻・地理表現抽出ステップにおいて、
   前記文に前記時刻表現に関する記述が存在しない場合には、前記イベント抽出装置が、イベント名と場所の組の出現頻度の時間変化により時間属性を補完し、
   前記文に前記地理表現に関する記述が存在しない場合に、前記イベント抽出装置が、前記時刻表現が取得されていれば、地理表現を前記評判情報に含めない
   請求項５記載のイベント抽出方法。
8. コンピュータを、
   請求項１乃至４のいずれか１項に記載のイベント抽出装置の各手段として機能させるためのイベント抽出プログラム。
   

Images